
- •Федеральное агентство по образованию
- •Раздел 1. Осмысление математического аппарата для решения экономических задач
- •1.1. Экстремум функции нескольких переменных
- •1.2. Достаточный признак существования экстремума функции двух независимых переменных
- •1.3. Условный экстремум
- •1.4. Метод наименьших квадратов
- •1.5. Правила составления систем стандартных уравнений
- •1.6. Наиболее привлекательные функции для измерения экономических процессов (спроса, выпуска продукции, ценообразования и других)
- •1.6.1. Квадратичная функция
- •1.6.2. Биквадратная функция
- •1.6.3. Кубическая функция
- •1.6.4. Обратно пропорциональная функция
- •1.6.5. Дробно-линейная функция
- •1.6.6. Дробно-рациональные функции
- •1.6.7. Степенная функция
- •1.6.7.1. Степенная функция с натуральным показателем
- •1.6.7.2. Степенная функция с целым отрицательным показателем
- •1.6.7.3. Степенная функция с дробным показателем
- •1.6.8. Показательная функция
- •1.6.9. Логарифмическая функция
- •1.7. Асимптоты с привлекательными функциями для измерения экономических процессов (показателей)
- •1.8. Некоторые обобщения
- •1) Сумма квадратов отклонений
- •2) Сумма модулей отклонений
- •1.9. Вопросы для самоконтроля
- •3. Сформулируйте, при каких обстоятельствах достигает функция максимума, минимума, при каких обстоятельствах остается вопрос открытым и требуются дополнительные исследования.
- •1.10. Тренировочные задачи
- •1.11. Тест к разделу 1
- •Раздел 2. Эконометрические модели
- •2.1. Измеряющие (регрессионные) модели и корреляция
- •2.1.1. Частная корреляция
- •2.2. Имитирование (интерпретация) регрессионных моделей
- •2.3. Эконометрические модели спроса
- •2.4. Эконометрические модели ценообразования
- •2.5. Оценка уравнения регрессии и корреляции
- •2.6. Вопросы для самоконтроля
- •1. В чем сущность эконометрических моделей регрессии, в частности спроса, предложения?
- •2.7. Тренировочные задачи
- •2.8. Тест к разделу 2
- •Раздел 3. Эконометрические модели прогнозирования
- •3.1. Стационарные и нестационарные ряды
- •3.2. Авторегрессия, автокорреляция
- •3.3. Модели прогнозирования
- •3.4. Экспоненты
- •3.5. Кривая Гомперца и логистическая кривая
- •3.6. Гомоскедастичноость, гетероскедастичность остатков
- •3.7. Автокорреляция в остатках, критерий Дарбина-Уотсона
- •3.8. Упрощенное оценивание параметровмодифицированной экспоненты, кривой Гомперца и логической кривой
- •3.8.1. Метод трех сумм
- •3.8.2. Метод трех точек
- •3.9. Графическая интерпретация кривых роста
- •3.10. Доверительные интервалы прогноза
- •3.10.1. Доверительные интервалы прогноза для линейного тренда
- •3.10.2. Доверительные интервалы полиномов невысоких степеней
- •3.11. Критерии точности и надежности прогнозов
- •3.12. Вопросы для самоконтроля
- •3.13. Тренировочные задачи
- •3.14. Тест к главе 3
- •Раздел 4. Программные продукты
- •4.2. Тренировочные задачи
- •Тест по дисциплине
- •Литература
3.3. Модели прогнозирования
Интерес к будущему возникает из непосредственной и острой практической потребности. Необходимость предвидения вероятного исхода отдельных экономических составляющих, в частности, спроса, предложения, стоимостных показателей, емкости рынка и т.д. особенно важна для бизнесменов, предпринимателей, менеджеров и т.п.
Предвидение событий позволяет заблаговременно приготовиться к ним, учесть их положительные и отрицательные последствия, а если есть возможность, то вмешаться в ход развития, контролировать его и, что более важно исследовать альтернативы будущего состояния.
Процессу прогнозирования предшествует аналитическая оценка исходной системы. Она должна производиться на основе охвата комплекса внутренних и внешних факторов. Затем происходит процесс прогнозирования, следовательно, и прогностическая оценка показателей.
Как правило, процесс прогнозирования осуществляется на основе формул:
1. y = a + bt
2. y = a + bt + ct2
3. y = a + bt + ct2 + dt3 и т.д.
Прогнозирование также может осуществляться на основе следующих формул:
или
;
;
;
и
другие.
(для оценивания параметров прямой).
(для параболы второй степени).
(для параболы третьей степени).
Поскольку полином выше третьей степени встречаются крайне редко при обработке динамических данных, то стандартные уравнения для них приводить не будем.
Для расчета величины ∑t, ∑t2 … получены следующие формулы:
В случае если полином имеет невысокую степень, то нет необходимости прибегать к трудоемким операциям. Достаточно воспользоваться формулами:
;
.
Или после преобразования получим более удобные выражения:
;
.
Иногда происходит перенос начала координат в середину ряда динамики. В этом случае упрощаются сами стандартные уравнения и расчеты.
Для прямой:
Для параболы второй степени:
Для параболы третьей степени:
Следовательно:
(для
прямой).
;
(для параболы второй степени).
;
;
;
.
Значения ∑t2, ∑t4, ∑t6 можно получить по следующим формулам для нечетного n:
;
;
.
Для четного:
;
;
.
Пример. Предположим, имеются данные, которые характеризуют динамику спроса на товары потребления за 15 месяцев (табл. 1).
Таблица 1
Динамика спроса за 15 месяцев
№ пп |
у |
№ пп |
у |
№ пп |
у |
1 |
18,3 |
6 |
26,3 |
11 |
37,8 |
2 |
19,4 |
7 |
29,4 |
12 |
39,3 |
3 |
21,6 |
8 |
31,8 |
13 |
41,8 |
4 |
23,4 |
9 |
33,4 |
14 |
44,3 |
5 |
25,8 |
10 |
35,6 |
15 |
47,4 |
При этом коэффициент использования производственных мощностей не превышает 65%, а насыщенность потребительского рынка 85%.
Требуется предвидеть дальнейшее поведение спроса, если сложившаяся тенденция сохранится.
Исходя из данных таблицы, тенденция может быть описана на основе следующих функции:
1. yt = a + bt
2. yt = a + bt + ct2
Начнем исследование спроса с линейной функции:
yt = a + bt
Составляем систему стандартных уравнений:
Для решения системы стандартных уравнений составляем вспомогательную таблицу:
Таблица 2
Расчет параметров системы
№ пп |
уt (ф) |
t ∙ yt (ф) |
t2 |
t2 ∙ yt (ф) |
1 |
18,3 |
18,3 |
1 |
18,3 |
2 |
19,4 |
38,8 |
4 |
77,6 |
3 |
21,6 |
64,8 |
9 |
194,4 |
4 |
23,4 |
93,6 |
16 |
374,4 |
5 |
25,8 |
129,0 |
25 |
645 |
6 |
26,3 |
157,8 |
36 |
946,8 |
7 |
29,4 |
205,8 |
49 |
1440,6 |
8 |
31,8 |
254,4 |
64 |
2035,2 |
9 |
33,4 |
300,6 |
81 |
2705,4 |
10 |
35,6 |
256,0 |
100 |
3560,0 |
11 |
37,8 |
415,8 |
121 |
4573,8 |
12 |
39,3 |
471,6 |
144 |
5659,2 |
13 |
41,8 |
543,4 |
169 |
7064,2 |
14 |
44,3 |
620,2 |
196 |
8682,8 |
15 |
47,4 |
711,0 |
225 |
16665,0 |
∑t=120 |
∑уt =475,6 |
∑t ∙ yt = 4381,1 |
∑t2=1240 |
t2 ∙ yt =48642,7 |
Составляем систему стандартных уравнений в количественном отношении:
Решаем систему:
(2) – (1)
4,8 – 2,3b | b = 2,1
31,71 = a + 8 ∙ 2,1
a = 14,91.
Итак, уt = 14,91 + 2,1t.
Согласно выявленной функции оценка уровня спроса при t = 0 равна 14,91 млн. рублей, среднемесячный прирост спроса 2,1 млн. рублей.
Для прогнозирования спроса на базе выявленной функции на одну точку в период необходимо в нее подставить соответствующие значения временного периода, т.е. t = 16, 17 … 20 …
Итак, прогнозное значение спроса:
уt16 = 14,91 + 2,1 ∙ 16 = 48,51.
уt17 = 14,91 + 2,1 ∙ 17 = 50,61.
уt20 = 14,91 + 2,1 ∙ 20 = 56,91.
2. Исследование спроса осуществить на основе параболистической функции
yt = a + bt + ct2
Составляем систему:
Решение системы стандартных уравнений можно упростить. Для расчета суммы получены следующие формулы:
;
;
;
.
В нашем случае:
;
;
;
Получим количественную систему:
|
475,6 = 15a + 120b + 1240с |
: 15 |
|
4381,1 = 120a + 1240b + 14400c |
: 120 |
|
48642,7 = 1240a + 14400b + 2455200c |
:1240 |
31,71
=а
+ 8b
+ 82,7c (1)
36,51 = a + 10,73b + 120c (2)
39,23 = a + 11,61b + 1980c (3)
(3) – (1)
7,52 = 2,33b + 1897,3c
(3) – (2)
2,72 = 1,28b + 1860c
Имеем:
|
7,52 = 2,33b + 1897,3c |
: 2,33 |
|
2,72 = 1,28b + 1860c |
: 1,28 |
3,23
= b
+ 814,28c (1)
2,13 = b + 1453,13c (2)
(1) – (2)
1,1 = 638,84с | c = 0,0017.
3,23 = b + 814,29 ∙ 0,0017;
b = 3,23 – 1,38 = 1,85
31,71 + а + 8b + 82,7c
31,71 = a + 8 ∙ 1,85 + 82,7 ∙ 0,0017
a = 31,71 – (14,8 + 0,14) = 31,71 – 14,94 = 16,77
Итак, уt = 16,77 + 1,85t + 0,0017t2.
Прогноз спроса:
уt(16) = 16,77 + 1,85 ∙ 16 + 0,0017 ∙ 162 = 16,77 + 29,6 + 0,44 = 46,81;
уt(17) = 16,77 + 1,85 ∙ 17 + 0,0017 ∙ 172 = 16,77 + 31,45 + 0,49 = 48,71;
уt(20) = 16,77 + 1,85 ∙ 20 + 0,0017 ∙ 202 = 16,77 + 37,0 + 0,68 = 54,45.